ML.Net 学习之使用经过训练的模型进行预测

什么是ML.Net:(学习文档上摘的一段:ML.NET 文档 - 教程和 API 参考 | Microsoft Learn 【学习入口】)
它使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。 借助此功能,可以使用应用程序的可用数据进行自动预测。 机器学习应用程序利用数据中的模式来进行预测,而不需要进行显式编程。

ML.NET 的核心是机器学习模型 。 该模型指定将输入数据转换为预测所需的步骤。 借助 ML.NET,可以通过指定算法来训练自定义模型,也可以导入预训练的 TensorFlow 和 ONNX 模型。

拥有模型后,可以将其添加到应用程序中进行预测。

说明:我已经用.cli工具生成好模型了,现在需要用训练模型生成预测数据。我需要用多线程的方式来预测,查看文档后大概有以下几种预测方式

(1)单一预测,使用PredictionEngine

//定义的输入数据的类

ModelInput inputData = new ModelInput()
{
Stock_cd = @"s_600803",
Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",
Stock_block = @"994392,992046",
Stati_date = @"2013/1/14",
IsNewStock = @"否",
Stock_capital = 9857851F,
Price = 11.922F,
Volume = 14950900F,
Orders = -1043.7F,
Transaction = -3330F,
};

//Create MLContext
MLContext mlContext = new MLContext();

// Load Trained Model StockHolderPrediction.mlnet是已经训练好的模型
string filepath = Path.Combine(Environment.CurrentDirectory, "StockHolderPrediction.mlnet");
DataViewSchema predictionPipelineSchema;
ITransformer predictionPipeline = mlContext.Model.Load(filepath, out predictionPipelineSchema);
PredictionEngine<ModelInput, ModelOutput> predictionEngine = mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(predictionPipeline);

ModelOutput prediction = predictionEngine.Predict(inputData);
PredictionEngine 不是线程安全。 此外,必须在应用程序中的每一处所需位置创建它的实例。 随着应用程序的增长,此过程可能会变得难以管理。为了提高性能和线程安全,请结合使用依赖项注入和 PredictionEnginePool 服务

(2)单一预测,使用PredictionEnginePool

ModelInput inputData = new ModelInput()

{

Stock_cd = @"s_600803",

Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",

Stock_block = @"994392,992046",

Stati_date = @"2013/1/14",

IsNewStock = @"否",

Stock_capital = 9857851F,

Price = 11.922F,

Volume = 14950900F,

Orders = -1043.7F,

Transaction = -3330F,

};

//Make Prediction

ModelOutput prediction = _predictionEnginePool.Predict(modelName: "StockHolderPrediction", example: inputData);

说明:上面这句之前我是这样写的:ModelOutput prediction = _predictionEnginePool.Predict(inputData);一直报错:You need to configure a default, not named, model before you use this method.

网上资料少,为了找这问题花好长时间

(3)多个预测,使用PredictionEnginePool

List<ModelInput> inputDataList = new List<ModelInput>();

inputDataList.Add(new ModelInput()

{

Stock_cd = @"s_600803",

Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",

Stock_block = @"994392,992046",

Stati_date = @"2013/1/14",

IsNewStock = @"否",

Stock_capital = 9857851F,

Price = 11.922F,

Volume = 14950900F,

Orders = -1043.7F,

Transaction = -3330F,

});

IEnumerable<ModelOutput> predictions = inputDataList.Select(input => _predictionEnginePool.Predict(modelName: "StockHolderPrediction", example: input));

foreach (ModelOutput model in predictions)

{

}

可以用这个方法,预测一组(多个)。

(4)多个预测采用,IDataView

List<ModelInput> inputDataList = new List<ModelInput>();

inputDataList.Add(new ModelInput()

{

Stock_cd = @"s_600803",

Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",

Stock_block = @"994392,992046",

Stati_date = @"2013/1/14",

IsNewStock = @"否",

Stock_capital = 9857851F,

Price = 11.922F,

Volume = 14950900F,

Orders = -1043.7F,

Transaction = -3330F,

});

//Create MLContext

MLContext mlContext = new MLContext();

// Load Trained Model

string filepath = Path.Combine(Environment.CurrentDirectory, "StockHolderPrediction.mlnet");

DataViewSchema predictionPipelineSchema;

ITransformer predictionPipeline = mlContext.Model.Load(filepath, out predictionPipelineSchema);

// Predicted Data

IDataView inputDataView = mlContext.Data.LoadFromEnumerable(inputDataList);

IDataView predictions = predictionPipeline.Transform(inputDataView);

// Get Predictions

float[] scoreColumn = predictions.GetColumn<float>("Score").ToArray();

经测试,这几种方式都能预测出结果,下一步,我需要比较哪一种方法用在多线程中比较好。

说明:我创建的是一个ASP.NET Core Web 应用(visual studio 2022)

需要注入PredictionEnginePool

说明:本文是经过学习摸索后写的总结性文章,难免遗漏。主要是备忘。不喜勿喷!

相关推荐
陶然同学3 小时前
RabbitMQ全栈实践手册:从零搭建消息中间件到SpringAMQP高阶玩法
java·分布式·学习·rabbitmq·mq
欧先生^_^4 小时前
学习 Apache Kafka
学习·kafka·apache
妙极矣4 小时前
JAVAEE初阶01
java·学习·java-ee
娃娃略4 小时前
【AI模型学习】双流网络——更强大的网络设计
网络·人工智能·pytorch·python·神经网络·学习
圆弧YH4 小时前
Ardunio学习
学习
我的golang之路果然有问题4 小时前
案例速成GO+redis 个人笔记
经验分享·redis·笔记·后端·学习·golang·go
韩明君5 小时前
前端学习笔记(四)自定义组件控制自己的css
前端·笔记·学习
Zhen (Evan) Wang5 小时前
.NET 6 + Dapper + User-Defined Table Type
sqlserver·c#·.net·wpf
noevil6 小时前
cuda学习1: 获取设备信息
学习
FAREWELL000756 小时前
C#进阶学习(十四)反射的概念以及关键类Type
开发语言·学习·c#·反射·type